- 综合排序
- 最热优先
- 最新优先
- 来自专栏云微的一点分享
提示词（prompt）工程指南（五）：ChatGPT 提示工程
在本节中，我们介绍ChatGPT的最新提示工程技术，包括提示、应用、限制、论文和其他阅读资料。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com （prompt）工程指南（五）：ChatGPT 提示工程 ChatGPT简介 审查对话任务 ChatGPT的对话 多回合对话 单轮任务 Python笔记本 参考文献 ---- ChatGPT简介 ChatGPT ASSISTANT: OKT3最初是来源于老鼠。根据官方的OpenAI文档，`gpt-3.5-turbo`模型的快照也将可供使用。 ChatGPT API with LangChain ---- ---- 上一部分（应用） 下一部分（对抗提示） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内
3.1K31编辑于 2023-03-31 - 来自专栏最新最全的大数据技术体系
提示工程之基本提示【二】
在那里，科学家们产生了这种抗体的早期版本，被称为OKT3。 问:OKT3最初的来源是什么? Question: What was OKT3 originally sourced from? 作为一名提示工程师，您需要更好地提供更好的指示。 也就是说，需要注意的是，目前的llm很难执行推理任务，因此这需要更先进的即时工程技术。 笔记本 Python Notebooks | | |笔记本描述 |Description|Notebook| – – 学习如何使用“openai”和“LangChain”库执行许多不同类型的常见任务[提示工程入门
1.1K20编辑于 2023-03-24 - 来自专栏最新最全的大数据技术体系
提示工程之提示介绍【一】
Specificity Avoid Impreciseness 提示工程 提示工程是一门相对较新的学科，用于开发和优化提示，以便为各种应用程序和研究主题有效地使用语言模型(lm)。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 开发人员使用提示工程设计与llm和其他工具接口的健壮而有效的提示技术。 这种设计最佳提示来指导模型执行任务的方法被称为**提示工程。 ，可以使用提示工程，您将注意到组成提示的某些元素。
1.4K10编辑于 2023-03-23 - 来自专栏.Net Core技术分享
提示工程介绍
什么是提示工程？ 提示工程（Prompt Engineering）是“设计、优化输入给大语言模型的提示词，使其生成准确、有用且符合预期的输出”的技术与方法集合。 有效的提示工程会针对不同的任务来优化和选择这些参数。我们介绍几个最常用的选项： 模型（Model），尽可能的选择更先进的模型来完成工作。 Temperature（温度），用来控制输出内容的随机性的。 需要注意，自由度越高（温度、Top-K/Top-P 和Max Length高），LLM 可能生成相关性较低的文 本 提示词的要素 提示词由一些关键要素组成： 指令：想要模型执行的特定任务或指令。 提示词技巧 使用最新最先进的模型，这一点在现阶段非常重要！
16810编辑于 2025-10-15 - 来自专栏AI SPPECH
91_提示注入：安全提示工程
提示注入攻击通过精心构造的输入，操纵或欺骗AI系统执行非预期行为，可能导致数据泄露、权限绕过、输出不当内容等严重后果3。 在AI应用日益普及的今天，安全提示工程已成为构建可靠AI系统的关键环节。 （在与物理系统交互的场景中） 攻击手法不断演进：随着防御技术的发展，攻击者的手法也在不断更新和复杂化 安全提示工程的目标 安全提示工程的主要目标包括： 识别潜在风险：了解和识别各种提示注入攻击类型和潜在风险 提示注入的定义与本质 提示注入（Prompt Injection）是指攻击者通过精心构造的输入内容，操纵或欺骗AI系统执行非预期行为的技术手段3。 例如，通过让模型忘记之前的指示或提供有害的指示，攻击者可能获取模型的初始提示词或改变系统设定3。 防御策略与机制 提示工程防御 通过优化提示词设计，可以在一定程度上防御提示注入攻击。
31510编辑于 2025-11-16 - 来自专栏yeedomliu
ChatGPT提示工程艺术
特别是对于更复杂或开放式的提示，ChatGPT可能会给出完全出乎意料的响应。 为了处理更大的输出，您需要有策略地制作提示。 提供满意度保证或免费试用以增加购买的可能性】 【感谢收件人考虑产品或服务，并表达对结果的信心】 【鼓励回复并表示赞赏的结束语】 诚挚问候， [您的姓名或公司名称] 串联提示 将问题分解为更小、更容易处理的步骤 编写具有良好SEO性能的博客文章的10步链式提示的示例： ChatGPT，请提供与[主题]相关的常见问题列表。
34530编辑于 2023-09-03 - 来自专栏MySQL解决方案工程师
提示工程Prompt Engineering
这一篇是关于提示和提示工程的介绍，主要内容是我们如何影响词汇的分布。 在LLM中影响词汇的分布主要通过两种方式，一种是通过提示（Prompting），另外一种就是通过训练（Training）。 提示工程是指为了引起某种特定的回答方式，进行反复改善提示的过程。 提示工程通常不直观，并且不能保证有效，因此非常具有挑战性，但通过有效的提示工程，可以更好地利用人工智能模型的能力，获得更令人满意的结果。 提示包括很多种策略，在这里介绍几种常见的策略。 示例：2 盒网球，每盒有 3 个，那么网球总数为2×3=6个 问题：小明原本有 5 个网球，他又买了 6 个网球，那么他一共有几个网球？ 回答：5+6=11个。 以上内容是关于人工智能领域提示工程的简单介绍，在下一篇中，将介绍模型训练。感谢关注“MySQL解决方案工程师”
29110编辑于 2024-06-14 - 来自专栏Python编程爱好者
传统提示词工程将亡，全新提示词工程已至
现在，出现了一种全新的工具，它能够自动优化提示词。想象一下，在这个"AI 指导 AI"的魔法世界，提示词工程师们的价值将变得不再重要，毕竟机器可以自己就搞定这个工作。 让我们来想象一个"传统"的提示词工程师，面对着并非自己想要的大模型输出，只能通过不断的更改提示词来告诉 AI 到底需要做哪些事情。 如果你用 ChatGPT 来干活，那么 PromptPerfect 就是你的提示词工程师。 如果你用大模型来赚钱，基于它去开发应用，PromptPerfect 就是你的提示词 IDE。 提示词工程的 IDE —— PromptPerfect 提示词一键优化 在给大模型写提示词时，你只需给 PromptPerfect 一句“粗糙”的提示词，他就可以自 动优化为更加详细且大模型更容易理解的提示词 提示词工程的未来 随着大模型的不断发展，大量的 AI 应用不断涌现。 它们在各个领域中大放异彩，吸引着无数的 AI 技术爱好者争相体验。传统的工作模式正在发生改变，新的游戏规则即将书写。
85410编辑于 2023-08-18 - 来自专栏技术专家成长之路
面向Java开发者的ChatGPT提示词工程（3）
写示例时提示词要尽量少一些。 编写清晰明确的指令 要求 GPT 检查是否满足条件 如果任务做出了不一定满足的假设，那么我们可以告诉模型先检查这些假设，如果不满足，就指出这一点，并停止尝试完成整个任务。 现在我要尝试在不同的文本上使用相同的提示词： public static void main(String[] args) { String text = "天空落着雨，灰蒙蒙的。 如果我们使用之前使用过的相同提示词，而是在这个文本上运行它，那么GPT将尝试提取步骤。如果它找不到任何步骤，我们将要求它只说“没有提供步骤”。 写示例时提示词要尽量少一些 在要求GPT执行你想要执行的任务之前提供成功执行任务的示例，这时你的提示词要尽量少一些。 写示例时提示词要尽量少一些。 在接下来的文章中，我们将继续了解第二个关键原则：给 GPT 一定的“思考”时间，尽请期待。
42420编辑于 2023-09-01 - 来自专栏云微的一点分享
提示词（prompt）工程指南（二）：基本提示
在那里，科学家们产生了一种早期版本的抗体，名为 OKT3。这种分子最初是从老鼠中提取的，能够结合到 T 细胞的表面并限制它们的细胞杀伤潜力。 问题: OKT3 最初来源于什么？ 答案: 老鼠。 上下文来自Nature。 文本分类 到目前为止，我们已经使用了简单的指令来执行任务。作为一个提示工程师，您需要更好地提供更好的指令。但这还不是全部！ 虽然如此，需要指出的是，目前的LLMs很难执行推理任务，因此需要更先进的提示工程技术。在下一篇指南中，我们将介绍这些高级技术。现在，我们将涵盖一些基本示例来展示算术能力。 在即将发布的指南中，我们将涵盖更高级的提示工程概念，以提高在所有这些更困难的任务上的性能。 、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全（自动持续更新）： https
2.9K41编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（四）：提示应用
在本指南中，我们将介绍一些高级和有趣的方式，利用提示工程来执行更有用和更高级的任务。 完整的中文版本指南和更丰富的参考资料在 Github 和 Gitee 中，自动持续翻译更新： 关于提示词工程（prompt）的指南、论文、讲座、笔记本和资源大全 https://github.com （prompt）工程指南（四）：提示应用 生成数据 PAL（程序辅助语言模型） Python笔记本 ---- 生成数据 LLMs有强大的文本生成能力。 如果珍妮以为今天是2002年3月11日，但实际上今天是3月12日，则今天日期为3/1/2002。 上一节（高级提示） 下一节（ChatGPT） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
1.5K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（一）：提示介绍
提示工程是一种相对较新的学科，专门用于开发和优化提示，以高效地使用语言模型（LM）来处理各种应用和研究主题。提示工程技能有助于更好地理解大型语言模型（LLMs）的能力和局限性。 研究人员使用提示工程来提高LLMs在各种常见和复杂任务上的容量，例如问题解答和算术推理。开发人员使用提示工程来设计与LLMs和其他工具接口的强大而有效的提示技术。 提示元素 随着我们涵盖越来越多的提示工程示例和应用程序，您会注意到某些元素构成了提示。 例如，您可能有兴趣了解提示工程的概念。您可能尝试这样做： 解释提示工程的概念。保持解释简短，只有几个句子，并且不要过于冗长。 从上面的提示中不清楚要使用多少句子和什么样的风格。 您可能仍然可以通过以上提示获得不错的回应，但更好的提示是非常具体，简洁明了，直指要点的提示。例如： 使用2-3句话向高中生解释提示工程的概念。 做还是不做？
2.6K21编辑于 2023-03-31 - 来自专栏云微的一点分享
提示词（prompt）工程指南（三）：高级提示
到此为止，已经很明显完善提示有助于在不同任务上获得更好的结果。这就是提示工程的整体理念。 尽管那些例子很有趣，但在我们进入更高级的概念之前，让我们正式介绍一些概念。 （prompt）工程指南（三）：高级提示 零样本提示 少样本提示 Few-shot提示的限制 链式思考提示 零样本CoT 自一致性 生成知识提示 自动提示工程师（APE） ---- 零样本提示 今天训练有大量数据和调整能够遵循指示的 这不是正确的答案，这不仅突出了这些系统的限制，也表明需要更先进的提示工程。 让我们尝试添加一些示例，看看 few-shot 提示是否可以改善结果。 (2022)提出了一个名为自动提示工程（APE）的框架，用于自动生成与选择说明。 ---- 上一节（基本提示） 下一节（应用） 开源、免费自动持续翻译更新关于 GPT 和 prompt 工程的资料合集并同步国内 Gitee 镜像加速访问： 关于提示词工程（prompt）的指南、论文
2.1K12编辑于 2023-03-31 - 来自专栏老张的求知思考世界
提示词工程入门指南
3、思维链(Chain of Thought) ：通过逐步引导模型进行推理，帮助其更好地理解复杂任务。 4、格式化输入输出：使用特定格式(如“JSON”)的输入和输出，有助于模型生成更准确的结果。 1AbaBYbEa_EbPelsT40-vj64L-2IwUJHy/view 中文翻译版(基于V4)：https://baoyu.io/blog/google-prompt-engineering-whitepaper 3、 六、提示词工程的实践案例 假设，你是一个AI初学者，想要学习提示词工程，你该如何利用Chatbot来寻找学习资料？下面是按照对AI的了解程度所可能用到的提示词： 新手：AI提示词工程。 初级：学习AI提示词工程的资料和方法。 中级：我是AI初学者，想要学习提示词工程，请列举出学习方法和实践步骤。 对第五条提示词进行解析，可得： 明确目标：学习提示词工程。 角色设定：软件研发工程师，AI初学者。 提供上下文：提示词内容来源于官方或权威企业。
87210编辑于 2025-10-10 - 来自专栏云云众生s
超越提示工程：提示词与AI模型治理
除了实现、调优和提示工程这些模型以产生最佳结果外，精明的组织正在努力管治它们与用户的交互，以保护数据隐私、法规遵循和数据安全协议。 更大的问题在于能够管控不仅是用户在部署这些模型时在提示中插入的信息，还有模型引发的响应。 基础模型库治理 管治面向任意数量企业应用的各种基础模型的用户提示和模型输出的要点是在模型库中嵌入治理工具的能力。 随后，”无论输入的是什么提示，也就是问题，后端都有一个代理基本上来找我们，问这没问题吗，需要进行某种处理吗，”Loubser透露。“我们字面意义上快速查看提示，输出时也是如此。” 非结构化文本扫描 隐含在这种范式中的是基础治理系统扫描自然语言提示和语言模型输出并根据策略违规对其进行评估的能力。
22810编辑于 2024-03-28 - 来自专栏yeedomliu
ChatGPT-4提示工程
提示工程本质上是指制定精确和有效的提示技术，引导AI模型生成期望的回应。 使用步骤 确定目标 明确要求 提供背景信息 提示工程是一种设计有效提示或指令的艺术，以从AI模型（如ChatGPT-4）获取期望的输出。 重要性 提示工程是一门精细的艺术，其目的是设计问题或陈述，也称为“提示”，以从人工智能（AI）模型中提取特定的回答。 原理 个性化提示 1.收集数据：通过收集相关数据来了解用户的行为、偏好和模式。 3.设计个性化提示或根据预测采取行动：根据所获得的见解，创建与每个用户相关、及时和个性化的提示；根据预测采取行动：利用预测结果制定有针对性的提示或干预措施。 不过于正式也不过于随意 迭代：不断调整期望结果 实验：从不同角度提问 提示工程高级技术 从人类反馈中学习是AI成长的重要组成部分。
39310编辑于 2023-09-03 - 来自专栏喔家ArchiSelf
解读提示工程（Prompt Engineering）
提示工程可以用于各种任务，从回答问题到算术推理乃至各种应用领域，理解提示工程，能够帮助我们了解LLM的限制和能力。 为了理解提示工程，先要澄清什么是Prompt。 这有助于选择合适的提示类型，并设计它们以满足特定需求。 3. 因此，提示工程旨在获取这些提示并帮助模型在其输出中实现高准确度和相关性，掌握提示工程相关技能将有助于用户更好地了解大型语言模型的能力和局限性。 大型语言模型（例如GPT-3）在zero-shot能力方面表现出色。但对于复杂任务，few-shot 提示性能更好。 提示工程的常见实践 提示工程的实现涉及到基于LLM应用中的各个方面，这里给出一些提示工程的常见实践： 静态提示：Prompt可以遵循zero、single或few shot的方法。
12.3K23编辑于 2023-10-23 - 来自专栏喔家ArchiSelf
“提示工程”的技术分类
通过提示工程技术，我们可以引入更多的时间和空间以及内容的属性，有助于更好地生成提示词。那么，提示工程技术有哪些呢？我们如何更好地使用它们呢？ 分类是认知的开始。 单一提示技术是提示工程的基础，常见的技术手段有： Zero-Shot：使用自然语言指令的最简单的技术。 3. 使用外部工具的大模型 实际上，使用外部工具的大模型提示技术就是基于大模型的应用，主要包括RAG 和Agent。 无论选择哪种提示技术，将提示工程视为数据科学的过程都非常重要。这意味着创建一个测试集并选择指标，调优提示并评估它对测试集的影响。 提示工程的方法小结 在应用提示工程的时候，提示语要清晰而准确，这样模型就不必猜测我们的意图。
42310编辑于 2024-08-01 提示工程：大语言模型的新特征工程
EMNLP：提示工程是新特征工程某中心网络服务AI实验室的首席应用科学家Miguel Ballesteros表示，为了最大化效用，大语言模型需要生成连贯一致的输出，并能够识别以不同方式表达的提示。 提示工程的兴起Ballesteros指出：“过去，我们通常进行特征工程，即使用统计模型并添加不同类型的表示或特征，然后需要与特征一起调整模型。 如今，随着大语言模型的出现，新兴的概念是提示及其各种变体，作为引导模型的一种方式。”提示的类型与应用像GPT-3这样的大语言模型经过训练，可以根据上下文预测序列中的单词。 “提示工程是为自然语言生成寻找与特定模型最配合的提示的过程，”Ballesteros说。“然而，经过训练预测序列中下一个单词的模型可以改进。 Ballesteros说：“需要更多关于如何构建和评估对提示具有鲁棒性的模型的工作。‘提示工程’一词的存在意味着当前可用的模型只有在给出最佳命令时才能工作。
17110编辑于 2025-08-21提示工程：大语言模型的新特征工程
EMNLP：提示工程是新的特征工程亚马逊网络服务AI实验室首席应用科学家Miguel Ballesteros表示，为了使大型语言模型发挥最大效用，它们需要生成连贯一致的输出，并能够识别以不同方式表达的提示 作为今年自然语言处理实证方法会议（EMNLP）语义学领域的高级主席，Ballesteros指出，随着大型语言模型在该领域的重要性日益增长，"提示工程"已成为主要研究课题。" 提示的多重含义像GPT-3这样的大型语言模型被训练为基于上下文预测单词序列。足够大的模型在足够多的数据上训练后，最终会编码整个语言的单词序列概率。提示是模型用来生成文本的基础输入。" 提示鲁棒性与任务组合Ballesteros指出："'提示工程'这个术语的存在意味着当前可用的模型只有在给出最佳命令时才能工作。 提示工程还为大型语言模型提供了一种进行少样本泛化的方法，在这种方法中，在一组通用任务上训练的机器学习模型只需几个例子就能学习新的或相关的任务。"
13910编辑于 2025-07-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号